我已经用 tensorflow 训练了一个模型，并在训练过程中使用了批量归一化。批量归一化要求用户传递一个名为 is_training 的 bool 值，以设置模型是处于训练阶段还是测试阶段。
训练模型时，is_training 被设置为常量，如下所示
is_training = tf.constant(True, dtype=tf.bool, name='is_training')
我已经保存了训练好的模型，文件包括检查点、.meta 文件、.index 文件和 .data。我想恢复模型并使用它进行推理。
该模型无法重新训练。因此，我想恢复现有模型，将 is_training 的值设置为 False，然后保存模型。
如何编辑与该节点关联的 bool 值，并再次保存模型？
最佳答案
您可以使用 tf.train.import_meta_graph 的 input_map 参数将图张量重新映射到更新值。
config = tf.ConfigProto(allow_soft_placement=True)
with tf.Session(config=config) as sess:
# define the new is_training tensor
is_training = tf.constant(False, dtype=tf.bool, name='is_training')
# now import the graph using the .meta file of the checkpoint
saver = tf.train.import_meta_graph(
'/path/to/model.meta', input_map={'is_training:0':is_training})
# restore all weights using the model checkpoint
saver.restore(sess, '/path/to/model')
# save updated graph and variables values
saver.save(sess, '/path/to/new-model-name')
关于python - 恢复训练好的 tensorflow 模型，编辑与节点关联的值，然后保存，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45734182/